开云优惠体育网页版入口

专利名称：一种真空泵的故障监测方法及系统

专利类型：发明专利

专利申请号：CN202410824817.4

专利申请（专利权）人：山东亿宁环保开云优惠体育网页版入口有限公司
权利人地址：山东省淄博市高新区宝山西路3266号科学城新材料中试区园区14号厂房一层

专利发明（设计）人：侯宁,马康

专利摘要：本发明提供一种真空泵的故障监测方法及系统，涉及人工智能技术领域，所述方法包括：根据真空泵参数，对真空泵故障数据中的失效模式进行分析，以计算各功能模块发生故障的频率和严重性指数；根据各功能模块发生故障的频率和严重性指数，确定各功能模块的失效风险指数；根据失效风险指数，计算每个功能模块分别对应的权重；对每个功能模块的失效风险指数进行分析，以确定真空泵故障模块；根据真空泵故障模块，分析其历史失效风险指数和运行日志，以确定真空泵故障的原因；根据真空泵故障的原因，确定最终导致真空泵故障的排查路径。本发明可以实时监测真空泵的运行状态，及时发现并处理故障，还可以提高故障排查的准确性和效率。

主权利要求：
1.一种真空泵的故障监测方法，其特征在于，所述方法包括：获取真空泵故障数据，并对真空泵故障数据进行特征提。蕴崛〕稣婵毡貌问
根据真空泵参数，对真空泵故障数据中的失效模式进行分析，以计算各功能模块发生故障的频率和严重性指数；
根据各功能模块发生故障的频率和严重性指数，确定各功能模块的失效风险指数；
根据失效风险指数，计算每个功能模块分别对应的权重；
对每个功能模块的失效风险指数进行分析，以确定真空泵故障模块；
根据真空泵故障模块，分析其历史失效风险指数和运行日志，以确定真空泵故障的原因；
根据真空泵故障的原因，确定最终导致真空泵故障的排查路径；
获取真空泵故障数据，并对真空泵故障数据进行特征提。蕴崛〕鲇胝婵毡貌问，包括：获取真空泵的真空泵故障数据；
对真空泵故障数据进行预处理，以得到预处理数据；
根据预处理数据，确定聚类数量k，并随机确定k个数据点作为初始聚类中心；
计算每个数据点与各个聚类中心之间的距离，并将数据点分配到对应的聚类中心，对于每个聚类，计算其内部所有数据点的平均值，并将平均值设为新的聚类中心；
重复步骤，直到达到预设的迭代次数，以得到聚类分析结果；
根据聚类分析结果，分析每个聚类中的数据，提取与真空泵故障相关的真空泵参数，真空泵参数包括温度、压力和振动频率；
对真空泵故障数据进行预处理，以得到预处理数据，包括：通过傅里叶变换确定小波变换的层数；根据小波变换的层数，将真空泵故障数据与小波基函数进行卷积操作，得到一系列的小波系数，重复进行小波变换，直到达到小波变换的层数，每次迭代均会产生新的近似系数和细节系数；
对所有得到的新的近似系数和细节系数进行阈值处理，以得到处理后小波系数；
对处理后小波系数进行小波重构，以得到去噪后信号；
根据去噪后信号的原始数值，将其按比例转换为目标范围内的数值，以得到预处理数据；
根据真空泵参数，对真空泵故障数据中的失效模式进行分析，以计算各功能模块发生故障的频率和严重性指数，包括：根据真空泵故障数据，对失效模式进行分类，以将设备划分为不同的功能模块；
对每个功能模块，确定在真空泵故障数据中发生故障的次数，以及计算每个功能模块的故障频率；
根据每个功能模块的故障频率，通过 计算
对应的严重性指数，其中，是严重性指数，是故障频率，是停机时间； 是维修成本；是故障恢复时间；是故障发生的概率； 是最大可接受停机时间； 是最大可接受维修成本； 是最大可接受故障恢复时间； 是最大可接受故障发生概率；
根据各功能模块发生故障的频率和严重性指数，确定各功能模块的失效风险指数，包括：根据各功能模块发生故障的频率和严重性指数，通过
计算各功能模块的失效风险指数，其中，是失效风险
指数； 是第i个影响因素的权重系数； 是第i个影响因素的值；n是影响因素的数量，求和符号 表示对从i＝1到i＝n的所有项进行求和，i是索引；
根据失效风险指数，计算每个功能模块分别对应的权重，包括：根据失效风险指数，通过 计算每个功能模块分别对应的权重，其中， 表示第j个功能模块的权重； 表示第j个功能模块的失效风险指数； 表示第j个功能模块的关键性系数； 表示第j个功能模块的使用频率系数； 表示功能模块的总数； 表示所有功能模块经过调整的失效风险指数的总和，j和都是索引变量；求和符号 表示 从1变化到 ，对所有功能模块的调整失效风险指数进行累加。
2.根据权利要求1所述的真空泵的故障监测方法，其特征在于，对每个功能模块的失效风险指数进行分析，以确定真空泵故障模块，包括：将每个功能模块的失效风险指数进行对比分析，通过比较不同模块的失效风险指数，以得到失效风险指数的变化趋势；
根据失效风险指数的变化趋势，对功能模块进行综合评估，以确定真空泵故障模块。
3.一种真空泵的故障监测系统，其特征在于，应用于如权利要求1至2中任一项所述的方法中，包括：获取模块，用于获取真空泵故障数据，并对真空泵故障数据进行特征提。蕴崛〕稣婵毡貌问桓菡婵毡貌问，对真空泵故障数据中的失效模式进行分析，以计算各功能模块发生故障的频率和严重性指数；根据各功能模块发生故障的频率和严重性指数，确定各功能模块的失效风险指数；
处理模块，用于根据失效风险指数，计算每个功能模块分别对应的权重；对每个功能模块的失效风险指数进行分析，以确定真空泵故障模块；根据真空泵故障模块，分析其历史失效风险指数和运行日志，以确定真空泵故障的原因；根据真空泵故障的原因，确定最终导致真空泵故障的排查路径。
4.一种计算设备，其特征在于，包括：
一个或多个处理器；
存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1至2中任一项所述的方法。
5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现如权利要求1至2中任一项所述的方法。 说明书 : 一种真空泵的故障监测方法及系统技术领域[0001] 本发明涉及人工智能技术领域，特别是指一种真空泵的故障监测方法及系统。背景技术[0002] 在某大型制造企业的生产线上，一台真空泵设备负责为工艺流程提供必要的真空环境。为了确保设备的稳定运行，企业长期采用传统的人工巡检和定期维护策略。[0003] 然而，在某次生产过程中，操作员注意到真空泵的抽气效率有所下降，但并未立即识别出具体原因。随后的定期巡检中，技术人员也未能准确找到故障点，只是进行了一些常规的检查和调整。几天后，真空泵的性能进一步下降，直接影响到了生产线的稳定运行。此时，决定进行深入的检查和维修。经过一系列的排查，发现故障涉及了真空泵的多个功能模块，包括密封系统、冷却系统和抽气系统。[0004] 因此，虽然人工巡检和定期维护在一定程度上能够预防某些故障的发生，但在面对复杂设备如真空泵时，这种方法的局限性就显现出来了。它可能无法及时发现并处理一些潜在的、涉及多个功能模块的复杂故障。此外，当故障真正发生时，传统方法可能难以准确、迅速地定位到具体原因，从而影响生产线的稳定运行和企业的生产效率。发明内容[0005] 本发明要解决的技术问题是提供一种真空泵的故障监测方法及系统，可以实时监测真空泵的运行状态，及时发现并处理故障，还可以提高故障排查的准确性和效率。[0006] 为解决上述技术问题，本发明的技术方案如下：[0007] 第一方面，一种真空泵的故障监测方法，所述方法包括：[0008] 获取真空泵故障数据，并对真空泵故障数据进行特征提。蕴崛〕稣婵毡貌问籟0009] 根据真空泵参数，对真空泵故障数据中的失效模式进行分析，以计算各功能模块发生故障的频率和严重性指数；[0010] 根据各功能模块发生故障的频率和严重性指数，确定各功能模块的失效风险指数；[0011] 根据失效风险指数，计算每个功能模块分别对应的权重；[0012] 对每个功能模块的失效风险指数进行分析，以确定真空泵故障模块；[0013] 根据真空泵故障模块，分析其历史失效风险指数和运行日志，以确定真空泵故障的原因；[0014] 根据真空泵故障的原因，确定最终导致真空泵故障的排查路径。[0015] 进一步的，获取真空泵故障数据，并对真空泵故障数据进行特征提。蕴崛〕稣婵毡貌问，包括：[0016] 获取真空泵的真空泵故障数据；[0017] 对真空泵故障数据进行预处理，以得到预处理数据；[0018] 根据预处理数据，确定聚类数量k，并随机确定k个数据点作为初始聚类中心；[0019] 计算每个数据点与各个聚类中心之间的距离，并将数据点分配到对应的聚类中心，对于每个聚类，计算其内部所有数据点的平均值，并将平均值设为新的聚类中心；[0020] 重复步骤，直到达到预设的迭代次数，以得到聚类分析结果；[0021] 根据聚类分析结果，分析每个聚类中的数据，提取与真空泵故障相关的真空泵参数，真空泵参数包括温度、压力和振动频率。[0022] 进一步的，对真空泵故障数据进行预处理，以得到预处理数据，包括：[0023] 通过傅里叶变换确定小波变换的层数；根据小波变换的层数，将真空泵故障数据与小波基函数进行卷积操作，得到一系列的小波系数，重复进行小波变换，直到达到小波变换的层数，每次迭代均会产生新的近似系数和细节系数；[0024] 对所有得到的新的近似系数和细节系数进行阈值处理，以得到处理后小波系数；[0025] 对处理后小波系数进行小波重构，以得到去噪后信号；[0026] 根据去噪后信号的原始数值，将其按比例转换为目标范围内的数值，以得到预处理数据。[0027] 进一步的，根据真空泵参数，对真空泵故障数据中的失效模式进行分析，以计算各功能模块发生故障的频率和严重性指数，包括：[0028] 根据真空泵故障数据，对失效模式进行分类，以将设备划分为不同的功能模块；[0029] 对每个功能模块，确定在真空泵故障数据中发生故障的次数，以及计算每个功能模块的故障频率；[0030] 根据每个功能模块的故障频率，通过计算对应的严重性指数，其中，是严重性指数，是故障频率，是停机时间； 是维修成本；是故障恢复时间；是故障发生的概率；是最大可接受停机时间； 是最大可接受维修成本； 是最大可接受故障恢复时间； 是最大可接受故障发生概率。[0031] 进一步的，根据各功能模块发生故障的频率和严重性指数，确定各功能模块的失效风险指数，包括：[0032] 根据各功能模块发生故障的频率和严重性指数，通过计算各功能模块的失效风险指数，其中，是失效风险指数； 是第i个影响因素的权重系数； 是第i个影响因素的值；n是影响因素的数量，求和符号 表示对从i＝1到i＝n的所有项进行求和，i是索引。[0033] 进一步的，根据失效风险指数，计算每个功能模块分别对应的权重，包括：[0034] 根据失效风险指数，通过 计算每个功能模块分别对应的权重，其中， 表示第j个功能模块的权重； 表示第j个功能模块的失效风险指数； 表示第j个功能模块的关键性系数； 表示第j个功能模块的使用频率系数； 表示功能模块的总数； 表示所有功能模块经过调整的失效风险指数的总和，j和k都是索引变量；求和符号 表示 从1变化到 ，对所有功能模块的调整失效风险指数进行累加。[0035] 进一步的，对每个功能模块的失效风险指数进行分析，以确定真空泵故障模块，包括：[0036] 将每个功能模块的失效风险指数进行对比分析，通过比较不同模块的失效风险指数，以得到失效风险指数的变化趋势；[0037] 根据失效风险指数的变化趋势，对功能模块进行综合评估，以确定真空泵故障模块。[0038] 第二方面，一种真空泵的故障监测系统，包括：[0039] 获取模块，用于获取真空泵故障数据，并对真空泵故障数据进行特征提。蕴崛〕稣婵毡貌问桓菡婵毡貌问，对真空泵故障数据中的失效模式进行分析，以计算各功能模块发生故障的频率和严重性指数；根据各功能模块发生故障的频率和严重性指数，确定各功能模块的失效风险指数；[0040] 处理模块，用于根据失效风险指数，计算每个功能模块分别对应的权重；对每个功能模块的失效风险指数进行分析，以确定真空泵故障模块；根据真空泵故障模块，分析其历史失效风险指数和运行日志，以确定真空泵故障的原因；根据真空泵故障的原因，确定最终导致真空泵故障的排查路径。[0041] 第三方面，一种计算设备，包括：[0042] 一个或多个处理器；[0043] 存储装置，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现所述的方法。[0044] 第四方面，一种计算机可读存储介质，所述计算机可读存储介质中存储有程序，该程序被处理器执行时实现所述的方法。[0045] 本发明的上述方案至少包括以下有益效果：[0046] 通过对真空泵故障数据进行特征提取和分析，该方法能够迅速识别出故障模块，从而大幅提高了故障检测的效率和准确性。通过对各功能模块发生故障的频率和严重性指数进行计算，可以及时发现潜在故障。根据失效风险指数和功能模块的权重，企业可以更加合理地安排维护计划，优先处理高风险模块，降低整体故障率。通过精准定位故障模块和原因，避免了不必要的全面检修，节省了维护成本和时间。通过持续监测和及时排查故障，可以显著提升真空泵的运行可靠性和稳定性，减少生产中断的风险。附图说明[0047] 图1是本发明的实施例提供的一种真空泵的故障监测方法的流程示意图。[0048] 图2是本发明的实施例提供的一种真空泵的故障监测系统示意图。具体实施方式[0049] 下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例，然而应当理解，可以以形式实现本公开而不应被这里阐述的实施例所限制。相反，提供这些实施例是为了能够更透彻地理解本公开，并且能够将本公开的范围完整的传达给本领域的技术人员。[0050] 如图1所示，本发明的实施例提出一种真空泵的故障监测方法，所述方法包括以下步骤：[0051] 步骤11，获取真空泵故障数据，并对真空泵故障数据进行特征提。蕴崛〕稣婵毡貌问籟0052] 步骤12，根据真空泵参数，对真空泵故障数据中的失效模式进行分析，以计算各功能模块发生故障的频率和严重性指数；[0053] 步骤13，根据各功能模块发生故障的频率和严重性指数，确定各功能模块的失效风险指数；[0054] 步骤14，根据失效风险指数，计算每个功能模块分别对应的权重；[0055] 步骤15，对每个功能模块的失效风险指数进行分析，以确定真空泵故障模块；[0056] 步骤16，根据真空泵故障模块，分析其历史失效风险指数和运行日志，以确定真空泵故障的原因；[0057] 步骤17，根据真空泵故障的原因，确定最终导致真空泵故障的排查路径。[0058] 在本发明实施例中，步骤11，能够收集到全面且具体的故障数据，通过特征提。梢跃肥侗鸪鲇胝婵毡眯阅芎妥刺喙氐墓丶问。步骤12，通过对失效模式的分析，可以深入了解各功能模块的故障情况，计算出故障频率和严重性指数有助于对故障的影响程度进行量化评估。步骤13，失效风险指数的确定能够帮助企业更直观地了解各功能模块发生故障的风险大小。步骤14，通过计算权重，可以明确各功能模块在整体设备运行中的重要性。步骤15，能够迅速且准确地定位到可能发生故障的模块，提高了故障排查的效率和准确性，缩短了设备停机时间。步骤16，通过对历史数据和运行日志的分析，可以深入了解故障发生的根本原因。步骤17，确定排查路径可以帮助维修人员快速且准确地找到并解决问题，提高了维修效率，降低了维修成本，同时也有助于预防类似故障的再次发生。[0059] 在本发明一优选的实施例中，上述步骤11，可以包括：[0060] 步骤111，获取真空泵的真空泵故障数据；[0061] 步骤112，对真空泵故障数据进行预处理，以得到预处理数据；[0062] 步骤113，根据预处理数据，确定聚类数量k，并随机确定k个数据点作为初始聚类中心；[0063] 步骤114，计算每个数据点与各个聚类中心之间的距离，并将数据点分配到对应的聚类中心，对于每个聚类，计算其内部所有数据点的平均值，并将平均值设为新的聚类中心；[0064] 步骤115，重复步骤，直到达到预设的迭代次数，以得到聚类分析结果；[0065] 步骤116，根据聚类分析结果，分析每个聚类中的数据，提取与真空泵故障相关的真空泵参数，真空泵参数包括温度、压力和振动频率，通过聚类分析，能够识别出与故障紧密相关的参数。[0066] 在本发明实施例中，步骤111，从真空泵上安装的传感器中收集数据，传感器读数包括温度、压力、振动等多种参数。步骤112，对真空泵故障数据进行去噪，然后对数据进行归一化处理，使不同参数的数值范围一致。步骤113，设定一个聚类数量范围，例如从2到某个上限值（这个上限值可以根据数据的特性和实际需求来设定）；对于范围内的每一个k值，执行以下操作：[0067] 使用k?means算法对数据进行聚类，计算并记录每个聚类的畸变程度（即每个数据点到其所属聚类中心的距离之和），绘制k值与对应的畸变程度的曲线图；观察曲线图，找到“肘部”位置，即畸变程度开始变化率显著降低的点，这个点对应的k值通常被认为是最佳的聚类数量；从预处理后的数据中随机选择k个数据点作为初始的聚类中心：[0068] 在确定了最佳的聚类数量k之后，从预处理后的数据集中随机选取k个不同的数据点，确保这k个数据点不重复，并且尽可能分布在整个数据空间中，以提高聚类的初始质量，将这k个数据点设定为初始的聚类中心。步骤114，遍历数据集中的每个数据点，对于每个数据点，使用欧氏距离公式计算它与当前所有聚类中心的距离；找出距离该数据点最近的聚类中心，并将该数据点分配到那个聚类中；对于每个聚类，收集所有被分配到该聚类的数据点，计算这些数据点在每个维度上的平均值，这个平均值将成为新的聚类中心坐标，更新该聚类的中心为计算出的新平均值。步骤115，设置一个迭代计数器和一个变化阈值（用于检测聚类中心的变化是否小于某个预设值），开始迭代，每次迭代都执行步骤114中的操作（计算距离、分配数据点、更新聚类中心），在每次迭代后，比较当前聚类中心与上一次迭代中的聚类中心之间的差异，如果差异小于预设的变化阈值，或者达到了预设的最大迭代次数，则停止迭代。步骤116，对于每个聚类，考察其中数据点的共同特征和差异，分析这些特征如何与真空泵的故障模式相关联，根据聚类中的数据点，观察哪些参数在特定聚类中表现出显著的变化或异常值，识别出与真空泵故障最相关的参数，这些参数包括温度、压力和振动频率等；从每个与故障相关的聚类中，提取出那些显著变化的参数作为关键参数。[0069] 在本发明一优选的实施例中，上述步骤112，可以包括：[0070] 步骤1121，通过傅里叶变换确定小波变换的层数；根据小波变换的层数，将真空泵故障数据与小波基函数进行卷积操作，得到一系列的小波系数，重复进行小波变换，直到达到小波变换的层数，每次迭代均会产生新的近似系数和细节系数，具体包括：对真空泵故障数据的时域信号函数 进行傅里叶变换，分析其频率成分，傅里叶变换将时域信号转换为频域信号 ，以得到信号中的不同频率成分及其幅度，具体的计算公式为：[0071] ；[0072] 其中， ，其中，是虚数单位， 是频率变量， 和 是振幅， 和 是角频率， 和 是初始相位，是衰减系数；是时间变量，代表信号在不同时间点上的取值；[0073] 通过观察频域信号 ，可以判断信号中的主要频率成分，若信号主要包含低频成分，则选择较少的小波变换层数L；若信号中包含丰富的高频信息，则需要更多的小波变换层数L以捕获这些细节；设置初始的小波变换层数(l＝1)，并获取离散形式的真空泵故障数据 ，其中， 代表采样点，对于每一层l，执行以下操作：[0074] 使用小波基函数 对离散形式的真空泵故障数据 进行卷积，提取在尺度和位置 处的特征，计算公式如下：[0075] ；[0076] 在离散形式下，该公式会进行相应的求和操作，其中， 是在第l层和位置 处的小波系数， 表示小波基函数的共轭，是尺度参数。[0077] 通过小波变换，将信号分解为近似系数 和细节系数 ，计算公式为：[0078] ；[0079] ；[0080] 其中，其中， 和 分别是低通和高通滤波器系数；是一个遍历小波系数位置的索引；如果当前层数l小于预定的层数L，则递增l（即l＝l＋1），并使用上一层的近似系数作为下一层的输入数据 ，重复上述小波变换步骤，直至达到预定的层数L，最终，将得到一系列的小波系数，包括每一层的近似系数 和细节系数 ；[0081] 步骤1122，对所有得到的新的近似系数和细节系数进行阈值处理，以得到处理后小波系数，具体包括：对于每个尺度上的近似系数和细节系数，逐个检查它们的大。绻掣鲂〔ㄏ凳木灾档陀谏瓒ǖ你兄，则将其置为零（硬阈值处理），如果小波系数的绝对值高于或等于阈值，则保留原值（硬阈值）；将经过阈值处理后的新的小波系数保存下来；[0082] 步骤1123，对处理后小波系数进行小波重构，以得到去噪后信号，具体包括：从最高层（或最粗糙尺度）的近似系数开始，逐层向下进行重构，在每一层，使用相应层级的细节系数和上一层的近似信号来恢复更精细尺度的信号；对上一层的近似信号进行上采样（即在每两个样本之间插入零或进行插值）；使用与分解时相同的小波基函数 对应的重构滤波器对上采样后的近似信号进行卷积操作，将经过卷积操作的近似信号与当前层的细节系数相加，得到当前尺度的重构信号，重复上述过程，直到达到最精细的尺度（即原始信号的尺度），在达到最精细尺度后，得到一个与原始信号长度相同的重构信号；[0083] 步骤1124，根据去噪后信号的原始数值，将其按比例转换为目标范围内的数值，以得到预处理数据，具体包括：遍历去噪后的信号数据，检查每个数据点的值，在遍历过程中，记录遇到的最大值和最小值，这两个值将代表去噪后信号的原始数值范围；根据应用需求或后续处理的要求，设定一个目标数值范围，例如[0，1]、[?1，1]；使用找到的最大值和最小值，计算出原始数值范围的大。ㄗ畲笾，最小值）；确定目标范围的大。勘曜畲笾，目标最小值）；将目标范围大小除以原始范围大。玫阶槐壤，这个比例将用于将原始数据点映射到目标范围内；再次遍历去噪后的信号数据，对于每个数据点，首先减去最小值，然后乘以转换比例，最后加上目标范围的最小值，这样可以将原始数据点转换到目标范围内。[0084] 在本发明实施例中，通过小波变换和阈值处理，可以有效地去除真空泵故障数据中的噪声成分。噪声往往会对数据分析造成干扰，影响故障特征的提取和识别。该流程能够显著提高信号的信噪比，使得后续的数据分析更加准确。小波变换能够将信号分解成不同频率和尺度的成分，通过近似系数和细节系数来展现信号的粗略轮廓和细节变化；小波变换具有优良的数据压缩性能。通过对小波系数进行阈值处理，可以去除那些对信号重构影响较小的系数，实现数据的压缩存储，节省存储空间，并提高数据处理效率。小波变换的层数可以根据实际需求进行调整，从而在不同尺度上分析信号。步骤1124中的数据转换操作，能够将去噪后的信号数值按比例转换到目标范围内，实现数据的标准化。[0085] 在本发明一优选的实施例中，上述步骤12，可以包括：[0086] 步骤121，根据真空泵故障数据，对失效模式进行分类，以将设备划分为不同的功能模块；[0087] 步骤122，对每个功能模块，确定在真空泵故障数据中发生故障的次数，以及计算每个功能模块的故障频率；[0088] 步骤123，根据每个功能模块的故障频率，通过计算对应的严重性指数，其中，是严重性指数，是故障频率，是停机时间； 是维修成本；是故障恢复时间；是故障发生的概率；是最大可接受停机时间； 是最大可接受维修成本； 是最大可接受故障恢复时间； 是最大可接受故障发生概率。[0089] 在本发明实施例中，步骤121对真空泵的失效模式进行分类，这有助于更系统地理解和分析设备的不同故障类型，通过功能模块划分，可以更有针对性地定位故障点。步骤122对每个功能模块的故障次数进行统计，并计算出故障频率，有助于识别出哪些模块更容易发生故障。步骤123，能够更全面地反映不同功能模块故障对设备整体运行和经济效益的影响，可以更加精准地分配维护资源，优先处理严重性指数高的功能模块，从而降低整体运营风险，也有助于提高设备的整体运行效率和可靠性，减少意外停机时间，保障生产线的稳定运行。[0090] 在本发明一优选的实施例中，上述步骤13，可以包括：[0091] 步骤131，根据各功能模块发生故障的频率和严重性指数，通过计算各功能模块的失效风险指数，其中，是失效风险指数； 是第i个影响因素的权重系数； 是第i个影响因素的值，如温度、压力、振动等具体数值；n是影响因素的数量，求和符号 表示对从i＝1到i＝n的所有项进行求和，i是索引。[0092] 在本发明实施例中，失效风险指数综合考虑了故障频率、严重性指数以及多个影响因素，提供了一个全面、综合的评估指标，有助于更准确地评估各功能模块的实际风险水平。通过将各功能模块的失效风险量化为具体的数值，使得不同模块之间的风险水平可以直观地进行比较，有助于企业更清晰地了解设备各部分的风险状况；通过失效风险指数的计算，可以识别出高风险的功能模块，有助于在故障发生前采取相应措施，降低故障发生的概率和影响程度，提高设备的可靠性和稳定性。[0093] 在本发明一优选的实施例中，上述步骤14，可以包括：[0094] 步骤141，根据失效风险指数，通过 计算每个功能模块分别对应的权重，其中， 表示第j个功能模块的权重； 表示第j个功能模块的失效风险指数； 表示第j个功能模块的关键性系数； 表示第j个功能模块的使用频率系数；表示功能模块的总数； 表示所有功能模块经过调整的失效风险指数的总和，j和 都是索引变量；求和符号 表示 从1变化到 ，对所有功能模块的调整失效风险指数进行累加。[0095] 在本发明实施例中，通过计算每个功能模块的权重，可以更加精确地将资源分配到各个模块，权重高的模块意味着对设备整体性能影响更大，因此可以优先考虑这些模块进行维护或升级，确保资源得到最有效的利用。该流程综合考虑了失效风险指数、关键性系数和使用频率系数，从而全面评估了每个功能模块的重要性，有助于企业更准确地了解各模块在设备运行中的作用；对于权重较高的模块，可以采取更频繁的维护措施，以减少故障发生的可能性；对于权重较低的模块，则可以适当减少维护频率，从而节省成本。通过对重要模块的重点维护，可以显著提高设备的整体可靠性。这有助于减少意外停机时间，保障生产线的稳定运行。[0096] 在本发明一优选的实施例中，上述步骤15，可以包括：[0097] 步骤151，将每个功能模块的失效风险指数进行对比分析，通过比较不同模块的失效风险指数，以得到失效风险指数的变化趋势；[0098] 步骤152，根据失效风险指数的变化趋势，对功能模块进行综合评估，以确定真空泵故障模块。[0099] 在本发明实施例中，步骤151，从之前的步骤或记录中获取每个功能模块的失效风险指数；利用图表工具（如Excel、Tableau或其他数据分析软件）创建一个失效风险指数的对比图表，选择适当的图表类型，如柱状图、折线图或雷达图，以便清晰地展示不同功能模块的失效风险指数；将不同功能模块的失效风险指数在图表上进行对比，观察哪些模块的失效风险指数较高，哪些较低。如果有多期数据，可以按时间顺序排列，以观察失效风险指数的变化趋势，通过分析连续时间点的数据，识别失效风险指数是否呈现上升、下降或稳定的趋势。步骤152，基于失效风险指数及其变化趋势，对每个功能模块进行评估，通过综合评估，识别出那些失效风险指数高且呈上升趋势的功能模块，例如，假设有一个真空泵系统，其中包含三个主要功能模块：模块A（进气系统）、模块B（压缩系统）和模块C（排气系统）。每个模块的失效风险指数都已通过之前的分析得出。[0100] 模块A的失效风险指数在过去三个月内从0.3上升到0.5；模块B的失效风险指数一直稳定在0.2左右；模块C的失效风险指数从0.4快速上升到0.8。对比三个模块的失效风险指数，可以看到模块C的指数不仅高，而且上升趋势明显；模块A虽然有所上升，但当前风险指数仍属于中等水平；模块B的风险指数一直保持在较低水平，表现稳定。基于上述分析，可以确定模块C为当前的高风险模块，很可能存在故障或即将发生故障，模块A需要继续监控，但目前的风险水平尚未达到紧急状态，模块B则可以继续正常运行，无需特别关注。对于模块C，立即进行详细的故障诊断，查找导致失效风险上升的具体原因，并采取相应的维护或修复措施，对于模块A，应加强监控，并定期检查以确保其性能稳定，对于模块B，可按正常计划进行例行维护。[0101] 在本发明另一优选的实施例中，上述步骤16，可以包括：[0102] 步骤161，从之前确定的真空泵故障模块出发，收集该模块的历史失效风险指数数据。这些数据应该包括不同时间点的风险指数值，以便进行时间序列分析；同时，获取该模块的运行日志，运行日志应包含模块的启动、停止时间，运行状态，任何异常记录，以及可能的错误代码或警告信息。将收集到的历史失效风险指数数据整理成时间序列格式，对运行日志进行预处理，提取关键信息，如异常发生的时间、类型、频率等，并去除与故障分析无关的信息。绘制历史失效风险指数的时间序列图，观察风险指数的波动情况，特别是关注风险指数显著上升的时间段；分析风险指数上升前的稳定期与上升期的数据特征，对比不同时间段的指数变化，以找出可能的触发因素。仔细阅读运行日志，特别是与失效风险指数上升时间段相对应的日志记录，查找并记录所有异常事件，如温度过高、压力异常、电流波动等，这些可能是导致故障的直接原因，分析异常事件之间的关联性和发生频率，以确定是否存在某种模式或周期性规律。结合失效风险指数分析和运行日志分析的结果，推断可能的故障原因。例如，如果失效风险指数上升前出现了频繁的电流波动记录，那么电流不稳定可能是导致模块故障的原因之一。综合考虑多种因素，如设备老化、维护不当、外部环境变化等，以得出全面的故障原因。将分析结果整理成开云优惠体育网页版入口，列出故障模块、失效风险指数的变化趋势、运行日志中的关键异常记录以及推断的故障原因。[0103] 在本发明另一优选的实施例中，上述步骤17，可以包括：[0104] 步骤171，从步骤16中分析得出的真空泵故障原因列表；根据可能性和对真空泵运行的影响程度，对每个故障原因进行评分。例如，可以采用1?10的评分系统，其中10表示最可能且影响最大，1表示最不可能且影响最。桓萜婪纸峁，将故障原因从高到低排序，确保优先处理最有可能且影响最大的原因。[0105] 针对排序后的故障原因，开始制定初步的故障排查计划，对于每个故障原因，列出可能的排查方向和方法。例如，如果故障原因是电流不稳定，初步计划可能包括：检查电源线路的完整性和连接情况，使用电压表和电流表测量实际的电压和电流波动情况，以及评估电源的质量是否满足真空泵的运行要求。针对每个初步排查计划中的方向，设计具体的排查路径。以电流不稳定为例，详细的排查路径如下：[0106] 首先，关闭真空泵，并使用万用表或专用测试工具检查电源线路，确认线路是否完好无损，接头是否紧固。接着，启动真空泵，在运行过程中使用电压表和电流表实时监测电压和电流的变化，记录任何异常的波动。如果发现电压或电流异常，进一步评估电源质量，可能需要使用电源质量分析仪来检测电源中的谐波、电压跌落等问题。对于每条排查路径，确定每一步的具体操作。例如，在检查电源线路时，需要拆卸部分外壳以暴露线路，或者使用特定的测试探头进行接触测试。设定每一步的预期结果。例如，检查电源线路时预期线路应完好无损，接头无松动等。规划可能的下一步行动。如果某一步骤的结果与预期不符，应明确接下来的检查或测试内容。[0107] 按照设计的详细排查路径和步骤进行实际操作，在执行过程中，详细记录每一步的操作情况、观察到的现象以及测量得到的数据，将实际结果与预期结果进行对比，如果一致，则继续下一步；如果不一致，则记录异常情况，并根据情况调整排查路径。通过以上步骤，可以更加系统、有序地进行真空泵故障的排查工作，提高排查效率和准确性。[0108] 如图2所示，本发明的实施例还提供一种真空泵的故障监测系统20，包括：[0109] 获取模块21，用于获取真空泵故障数据，并对真空泵故障数据进行特征提。蕴崛〕稣婵毡貌问桓菡婵毡貌问，对真空泵故障数据中的失效模式进行分析，以计算各功能模块发生故障的频率和严重性指数；根据各功能模块发生故障的频率和严重性指数，确定各功能模块的失效风险指数；[0110] 处理模块22，用于根据失效风险指数，计算每个功能模块分别对应的权重；对每个功能模块的失效风险指数进行分析，以确定真空泵故障模块；根据真空泵故障模块，分析其历史失效风险指数和运行日志，以确定真空泵故障的原因；根据真空泵故障的原因，确定最终导致真空泵故障的排查路径。[0111] 需要说明的是，该系统是与上述方法相对应的系统，上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。[0112] 本发明的实施例还提供一种计算设备，包括：处理器、存储有计算机程序的存储器，所述计算机程序被处理器运行时，执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。[0113] 本发明的实施例还提供一种计算机可读存储介质，存储指令，当所述指令在计算机上运行时，使得计算机执行如上所述的方法。上述方法实施例中的所有实现方式均适用于该实施例中，也能达到相同的技术效果。[0114] 本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。[0115] 所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。[0116] 在本发明所提供的实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。[0117] 所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。[0118] 另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。[0119] 所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等可以存储程序代码的介质。[0120] 此外，需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行，某些步骤可以并行或彼此独立地执行。对本领域的普通技术人员而言，能够理解本发明的方法和装置的全部或者任何步骤或者部件，可以在任何计算装置（包括处理器、存储介质等）或者计算装置的网络中，以硬件、固件、软件或者它们的组合加以实现，这是本领域普通技术人员在阅读了本发明的说明的情况下运用的基本编程技能就能实现的。[0121] 因此，本发明的目的还可以通过在任何计算装置上运行一个程序或者一组程序来实现。所述计算装置可以是公知的通用装置。因此，本发明的目的也可以仅仅通过提供包含实现所述方法或者装置的程序代码的程序产品来实现。也就是说，这样的程序产品也构成本发明，并且存储有这样的程序产品的存储介质也构成本发明。显然，所述存储介质可以是任何公知的存储介质或者将来所开发出来的任何存储介质。还需要指出的是，在本发明的装置和方法中，显然，各部件或各步骤是可以分解和/或重新组合的。这些分解和/或重新组合应视为本发明的等效方案。并且，执行上述系列处理的步骤可以自然地按照说明的顺序按时间顺序执行，但是并不需要一定按照时间顺序执行。某些步骤可以并行或彼此独立地执行。[0122] 以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明所述原理的前提下，还可以作出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。

专利地区：山东

专利申请日期：2024-06-25

专利公开日期：2024-11-29

专利公告号：CN118375603B